Data analytics đã giúp Netflix thành công như thế nào?

Bigdatauni.com Follow Fanpage Contact

Ở bài viết trước về ứng dụng của Data analytics trong ngành Media & Entertainment, ngành giải trí truyền thông chúng ta đã tìm hiểu sơ lược về tại sao các công ty trong ngành cần khai thác dữ liệu cũng như tổng quan về các ứng dụng chính của Data analytics trong việc nâng cao chất lượng sản phẩm dịch vụ, cung cấp trải nghiệm cá nhân hóa đến khách hàng với các ví dụ cụ thể từ Netflix, và Spotify. Tiếp tục chủ đề, tiếp nối với ví dụ về Netflix ở bài viết trước, BigDataUni và các bạn, chúng ta sẽ phân tích lần nữa và sâu hơn về case study của Netflix –  được xem là công ty tiên phong, và được xem là công ty tận dụng tài sản dữ liệu tốt nhất để mang lại giá trị kinh doanh cao.

Dành cho những bạn chưa xem qua bài viết trước:

Ứng dụng của Data analytics trong ngành giải trí, truyền thông

Netflix đã làm gì với dữ liệu của mình để thu về lợi nhuận

Nếu nói đến công ty nào thành công thực sự trong việc khai thác nguồn dữ liệu lớn của mình để tăng lợi nhuận và nâng cao trải nghiệm của người dùng, thì Netflix luôn được nhắc đến đầu tiên. Là nhà cung cấp hàng đầu những dịch vụ giải trí, truyền thông trực tuyến đến hơn hàng chục triệu người dùng, khối lượng dữ liệu hành vi người dùng mà Netflix có thể thu thập và xử lý mỗi ngày để tìm ra các thông tin hữu ích, có giá trị để thúc đẩy các chiến lược, hành động thu hút, giữ chân khách hàng.

Nhờ vào khả năng xác định nội dung giải trí nào sẽ phù hợp với nhu cầu của từng nhóm khách hàng, dự báo được nội dung giải trí nào mà họ sẽ tìm kiếm, hiểu được cách họ trải nghiệm, biết được các nhận xét, đánh giá của họ, nắm được khi nào và bằng thiết bị gì, và ở đâu thì họ truy cập, tiếp nhận nội dung giải trí, Netflix đã và đang gia tăng nhiều lợi thế cạnh tranh của mình trước các đối thủ cùng ngành như HBO, Disney,…Nói cách khác, dữ liệu đã giúp Netflix chiếm giữ vị trí đứng đầu hiện tại trong ngành M&E trên thế giới về mảng giải trí trực tuyến.

Giữa năm 2018, đánh dấu cột mốc quan trọng khi Netflix lần đầu tiên vượt mặt Disney, là công ty giải trí giá trị nhất thế giới với tổng giá trị thị trường là 153.8 tỷ USD hơn Disney thời điểm đó là 152 tỷ USD. Một năm sau, năm 2019, Netflix vẫn vượt mặt Disney tiếp tục nắm giữ vị trí số 1 với tổng giá trị hơn 164 tỷ USD với hơn 150 triệu subcriber trên toàn thế giới. Thành công của Netflix chính là nhờ vào khả năng thu hút khách hàng, đặc biệt là giữ chân khách hàng cũ rất hiệu quả, tỷ lệ giữ chân khách hàng là 93% so với đối thủ cạnh tranh trong mảng giải trí trực tuyến như Amazon Prime 75%, Hulu là 64% (số liệu Forbes năm 2018)  

Amazon Prime
Hulu

Big Data, Data analytics chính là công cụ, là bí quyết đã đưa Netflix đến được vị thế như ngày hôm nay. Đây cũng là lý do tại sao chúng tôi lại nhắc đến Netflix nhiều như vậy từ bài viết phần 1 cho đến lần này, Netflix là hình mẫu dành cho các công ty khác ngành M&E trên thế giới và cả các công ty ở Việt Nam đang trên con đường khai thác nền tảng trực tuyến để cung cấp những nội dung giải trí đến khách hàng mọi lúc, mọi nơi.

75%  hoạt động của người dùng trên Netflix được thúc đẩy bởi hệ thống khuyến nghị cá nhân hóa thông qua phân tích dữ liệu hành vi từ hơn trăm triệu người dùng để khám phá thói quen giải trí, nhu cầu của họ từ đó giới thiệu nội dung dựa trên sở thích.

Netflix xây dựng hồ sơ khách hàng của mình hiệu quả, và chi tiết không chỉ các thông tin cá nhân đơn thuần như các công ty lĩnh vực khác có được khi triển khai các hoạt động bán hàng đa kênh, digital marketing. Ví dụ Netflix thu thập cả dữ liệu hành vi, dữ liệu phản hồi của từng khách hàng cụ thể trên một show giải trí thông thường. Ví dụ Netflix biết được ngày và thời điểm cụ thể bạn thường xem show giải trí đó, thông qua điện thoại, thông minh, laptop, hay máy tính bảng, khi bạn dừng, khi bạn xem tiếp, xem dang dở, hay xem hết? Hơn nữa, Netflix cũng tiến hành đo lường thời gian bạn thường dành để xem hết show giải trí đó. Những thuật toán thông minh mà Netflix sử dụng cho phép họ biết được bạn thích hay không thích show giải trí đó, và sở thích của bạn tức bạn thích loại show giải trí gì.

Netflix còn thu thập dữ liệu chụp màn hình (screenshot) các phân đoạn, hay cảnh trong show giải trí, bộ phim mà người dùng xem lại nhiều lần, dữ liệu đánh giá nội dung giải trí, dữ liệu tìm kiếm,… nói chung tất cả những gì bạn làm trên Netflix đều có thể được thu thập. Và mục đích chính, nhắc lại lần nữa, chính là tăng trải nghiệm cá nhân hóa, thông qua xây dựng một hệ thống đề xuất, hệ thống khuyến nghị, giới thiệu nội dung giải trí phù hợp nhất với người dùng qua đó tăng cơ hội gia tăng lợi nhuận.

Khả năng thu thập và phân tích dữ liệu của Netflix là chìa khóa đi đến thành công. Hệ thống khuyến nghị của họ đóng vai trò 80% trong khâu vận hành, và cung cấp nội dung trên nền tảng trực tuyến của Netflix. “Data-driven” – định hướng dữ liệu gần như hoàn toàn là triết lý kinh doanh của Netflix.

Netflix sử dụng quy trình phân tích dữ liệu của mình để ra chiến lược phát triển nội dung, hay công chiếu các bộ phim mới do mình sản xuất. Ví dụ bộ phim đình đám “Orange is the new Black” “Trại giam kiểu Mỹ” gồm 7 phần, Netflix biết trước được bộ phim này sẽ là bom tấn và thu hút rất nhiều người xem. Lý do là dựa trên dữ liệu phân tích từ bộ phim nổi tiếng trước đây là “Weeds” của nhà biên kịch, nhà sản xuất phim người Mỹ Jenji Kohan. “Weeds” thành công nhờ nội dung hài hước dạng “đen tối”, thuật ngữ gọi là “hài kịch đen” – “Black/ Dark comedy” – thể loại rất khó để sản xuất nội dung, do nó vừa mang tính hài hước, vừa có yếu tố nhạy cảm, khiến khán giả phải cười đối với những thứ họ đáng lý ra phải lên án, ranh giới giữa mắc cười và kinh tởm là mong manh trong thể loại này, tuy nhiên nó phản ánh tinh tế và khôn khéo những vấn đề thực tế trong đời sống, xã hội. Weeds thành công còn nhờ vào sự tài ba của Jenji Kohan, nhà sản xuất nổi tiếng trong thể loại phim hài Mỹ từng được 9 lần đề cử giải Emmy, sức hút của nữ biên kịch đối với khán giả là rất lớn. Bộ phim “Orange is the new Black” cũng được sản xuất bởi Jenji Kohan, thể loại tương tự Weeds, nên Netflix đủ cơ sở dự báo đây sẽ là bộ phim ăn khách.

Bên cạnh dự báo bộ phim nào sẽ nổi tiếng, Netflix còn sử dụng dữ liệu để tinh chỉnh các hoạt động marketing của mình một cách linh hoạt. Ví dụ để quảng bá cho bộ phim “House of Cards” – Ván bài chính trị mà chúng tôi đã nói ở phần 1, Netflix đã sản xuất 10 phiên bản trailer khác nhau để gửi đến từng phân khúc khách hàng phù hợp.

Tìm điểm tương đồng trong hành vi là cái mà Netflix hướng đến. Ví dụ nếu bạn theo dõi các show giải trí tập trung vào vấn đề xã hội, bạn sẽ nhận được giới thiệu các show giải trí nội dung tương tự, hoặc nếu bạn theo dõi một diễn viên nhiều lần (có thể chưa thích hay chỉ mới quan tâm), Netflix cũng sẽ gửi đến bạn các phim của diễn viên này, và ít nhất bạn sẽ chọn một trong số đó vì Netflix biết có thể bạn đang quan tâm. Netflix không phải dành quá nhiều thời gian và nguồn lực cho việc marketing các chương trình, phim vì họ đã biết chính xác có bao nhiêu người sẽ quan tâm đến và cơ sở nào (ví dụ sở thích, thói quen) sẽ làm tiền đề để họ đưa ra quyết định tiếp thị trực tiếp đến từng khách hàng.

Netflix thu thập dữ liệu đánh giá, phản hồi nội dung giải trí của người dùng. Netflix tinh tế khi thiết kế hệ thống đánh giá chỉ có “Thumbs up/ Thumbs down” “ngón cái giơ lên” – ký hiệu like các bạn thường thấy, “ngón cái đi xuống” là không thích, nội dung dở thay cho hệ thống đánh giá theo thang điểm 5 sao vào tháng 4/2017. Netflix cho rằng cách đánh giá đơn giản sẽ chỉ ra sự yêu hoặc ghét rõ ràng và nhanh hơn của một người xem đối với một nội dung giải trí bất kỳ hay với giao diện của Netflix. Kết quả Netflix đã tăng mức độ tương tác của khách hàng ở tỷ lệ cao hơn trước, ngoài ra giúp họ xác định nhanh hơn người dùng Netflix sẽ thích cái gì. Theo Joris Evers, Giám đốc truyền thông quốc tế Netflix thông báo họ có hơn 33 triệu phiên bản Netflix khác nhau.

Netflix

Netflix cho thấy kinh nghiệm trong việc khai thác dữ liệu phục vụ cho mục tiêu kinh doanh của mình. Năm 2006, Netflix tổ chức một cuộc thi tìm thuật toán  cải thiện đọ chính xác trong việc dự báo người dùng nào sẽ thưởng thức bộ phim dựa trên sở thích của họ. Netflix từ lâu đã biết rằng mình phải tìm hiểu sở thích của khách hàng, ở thời điểm bày Youtube còn chưa phát triển và phổ biến rộng rãi.

Đối với những ai không biết nhiều về Data analytics, có thể nhận xét Netflix xác định một bộ phim nào đó sẽ nổi đình nổi đám chỉ dựa cảm nhận về lượng người xem, hay đánh giá tốt của người xem. Ví dụ bộ phim “House of Cards” nhiều người sẽ nghĩ Netflix ra quyết định công chiếu vì nghĩ rằng sẽ có nhiều khách hàng theo dõi do chúng có nội dung, hấp dẫn, lôi cuốn với dàn diễn viên nổi tiếng. Thực chất, Netflix đã phân tích toàn bộ dữ liệu của mình và xem xét đến tất cả các góc độ khác nhau. Chúng ta cùng tìm hiểu tiếp.

Mục đích cốt lõi của Netflix khi triển khai tận dụng nguồn tài sản dữ liệu để hiểu về khách hàng của mình để nâng cao chất lượng sản phẩm, dịch vụ, hoạt động marketing và các quyết định kinh doanh tốt hơn. Nhưng nó không đơn thuần chỉ dừng lại là thông tin cá nhân của khách hàng, sở thích của họ, hay các ý tưởng về nội dung giải trí.

Ví dụ nếu bạn xem qua bộ phim nổi tiếng “Arrested Development” – (tựa tiếng Việt: Phá sản) của Netflix, Netflix sẽ tìm hiểu trên phạm ri rất rộng, toàn bộ người dùng nào đã xem bộ phim này, để xác định tỷ lệ kết thúc hay tỷ lệ hoàn thành (completion rate) của người xem. Các chuyên gia tại Netflix sẽ hỏi “Có bao nhiên người dùng hay khách hàng (tỷ lệ) sẽ xem từ tập 1 bộ phim “Arrested Developmenet” phần 1 đến tập cuối cùng của bộ phim ở phần 5?” Giả sử câu trả lời là 70%. Sau đó sẽ hỏi tiếp “Điểm dừng lại của các người xem đa số là ở tập nào, phân đoạn nào?” “Tại sao 30% còn lại họ không theo dõi tiếp?” và “30%  những người này thường làm gì nếu họ không xem tiếp bộ phim?” “Độ lớn khoảng thời gian giữa thời điểm người dùng xem 1 tập và thời điểm xem tập tiếp theo của bộ phim?”

Tất cả sẽ được phân tích để hiểu cách thức tương tác của khách hàng ở góc độ sâu hơn, xu hướng người xem qua từng tập, từng phần hay mùa phim và tìm ra phương pháp trình chiếu bộ phim hiệu quả hơn hay đưa ra các quyết định đem lại lợi ích tốt hơn cho cả Netflix và người xem của họ.

Ví dụ, khi Netflix nhận thấy có đến 70% người xem xem “Arrested Development” ở cả 5 phần mà không bỏ sót tập nào. Thì đây là cơ hội để Netflix ra tiếp phần 6, hay sản xuất các bộ phim concept tương tự và hay hơn, có cơ sở để tiếp tục thu hút người xem.

Chúng ta tìm hiểu qua nhiều ví dụ, vậy cụ thể Netflix sẽ thu thập và phân tích những thông tin gì?

  • Người xem dừng, tua lại, hay tua tới một bộ phim
  • Ngày (thứ 2 đến Chủ nhật) mà người xem theo dõi, thưởng thức nội dung giải trí
  • Ngày cụ thể (ngày, tháng, năm)
  • Giờ cụ thể
  • Xem ở khu vực, vị trí địa lý nào
  • Qua thiết bị điện tử nào
  • Khi người xem dừng lại, không tiếp tục theo dõi và khi nào người xem trở lại
  • Đánh giá, nhận xét nội dung
  • Dữ liệu tìm kiếm
  • Các hành động tra cứu trên website
  • Dữ liệu trong từng tập phim (từng cảnh trong phim có thể chỉ ra người xem có thể thích gì dựa trên tần suất người xem xem đi xem lại cảnh ấy)

Netflix còn phân tích để xác định khi nào Danh đề (movie cretdit) – kết thúc bộ phim thường xuất hiện danh sách những ai đóng góp cho phim, chắc các bạn ai cũng biết – mục đích là để dự báo người dùng Netflix sẽ làm gì tiếp theo. Họ xem tiếp tập khác của bộ phim? Chuyển sang xem bộ phim khác? Hay rời đi, ngưng giải trí trên Netflix hoặc trở lại tìm kiếm bộ phim khác? Các hành động sau khi danh đề xuất hiện (movie credits rolling) sẽ giúp Netflix dự báo chính xác khách hàng của mình sẽ làm gì khi họ kết thúc một show giải trí, một tập phim, từ đó củng cố hệ thống khuyến nghị của mình, giới thiệu đến người dùng của Netflix những nội dung giải trí có thể họ sẽ xem.

Nhờ vào khả năng phân tích của mình, Netflix còn xác định được một người dùng cần xem bao nhiêu nội dung giải trí thì khả năng họ rời bỏ Netflix sẽ giảm đi. Dựa vào dữ liệu, Netflix phân tích được nếu trong một tháng Netflix có thể khiến một người dùng dành ra 15 tiếng đồng hồ để xem các nội dung giải trí của mình trong 1 tháng, thì khả năng cao họ sẽ giữ chân được khách hàng này trong thời gian sắp tới với tỷ lệ 75%, nhưng nếu thấp hơn 5 tiếng đồng hồ thì tới 95% khả năng họ sẽ rời dịch vụ. Vậy cần làm gì để một người xem xem ít nhất 15 tiếng mỗi tháng?

Netflix từ đó mới đưa ra nhiều giải pháp ví dụ cho chiếu tự động tập tiếp theo của một show giải trí, phim bổ trừ khi người dùng quyết tâm “ngừng xem”. Đối với các phim lẻ thì ngay khi phim kết thúc, credit chạy Netflix sẽ giới thiệu tiếp phần tiếp theo của phim dựa trên cơ sở nếu người xem đánh giá tốt phim lần trước, hoặc nếu phim không có phần tiếp theo, hay hết tập thì Netflix sẽ giới thiệu bộ phim khác cùng chủ đề ở ngay góc màn hình và cho phép người xem click trực tiếp để xem hoặc xem trailer quảng cáo.

Cuối cùng chúng ta cùng quay lại ví dụ “House of Cards” – Ván bài Chính trị để xem Netflix đã làm gì để đưa bộ phim này thành bom tấn?

Năm 2011, Netflix đã đưa ra một trong những quyết định lớn nhất được coi là cách mạng. Họ trả giá cao hơn các kênh truyền hình hàng đầu như HBO và AMC để giành về bản quyền bộ phim House of Card của Hoa Kỳ, với 2 mùa với 13 tập trong mỗi mùa.

Với chi phí từ 4 triệu đến 6 triệu đô la một tập, giá cho cả 2 phần hơn 100 triệu đô la. Vậy tại sao họ lại đặt cược lớn như vậy và làm thế nào để ra quyết định?

Netflix biết rằng có nhiều người theo dõi bộ phim nổi tiếng The Social Network và biết đến đạo diễn nổi tiếng David Fincher từng nhận đề cử Oscar là đạo diễn chính của House of Cards, Phiên bản House of Cards tại Vương quốc Anh (nước Anh) có được hiệu ứng rất tốt, có nhiều người xem. Đặc biệt những ai xem bộ phim phiên bản tại Anh họ đều từng xem phim của diễn viên kỳ cựu Kevin Spacey và phim của đạo diễn David Fincher.

Theo Steve Swasey, Vice president Corporate Communications của Netflix nói rằng: “Chúng tôi tin tưởng cao vào khả năng thành công của House of Card dựa trên đạo diễn, nhà sản xuất và các ngôi sao làm nên bộ phim. Chúng tôi không phải bỏ ra hàng triệu đô la để thu hút người xem theo dõi bộ phim này. Thông qua các thuật toán của chúng tôi, chúng tôi có thể xác định đối tượng người dùng nào có thể quan tâm đến Kevin Spacey hoặc dòng phim chính trị và nói với họ “Có thể bạn thích bộ phim này””

Steve Swasey nói thêm: “Chúng tôi không chỉ dựa vào dàn diễn viên và đạo diễn để dự báo khả năng thành công của bộ phim. Chúng tôi nhìn vào dữ liệu của người dùng để xác định điểm hấp dẫn đến từ đạo diễn, diễn viên, và cả bộ phim mà có thể thu hút người xem”.

Chiến dịch quảng bá bộ phim của Netflix cũng góp phần không hề nhỏ vào độ nổi tiếng của House of Cards, và đặc biệt chiến dịch quảng bá này dựa trên một quy trình khai thác dữ liệu khá kỹ của Netflix.

Netflix không tạo ra các trailer “dành cho mọi nhà, mọi người xem” không có gắng tìm điểm chung, thiết kế trailer phù hợp nhất cho mọi người mà thay vào đó phân tích dữ liệu người dùng để phân khúc họ thành các nhóm khác nhau với những đặc điểm về sở thích hành vi, rồi dựa trên kết quả phân khúc để sản xuất nhiều loại trailer khác nhau, và gửi đến từng người dùng theo hướng cá nhân hóa, phù hợp với họ.

Đối với House of Cards, Netflix tạo ra hơn 10 bản trailer khác nhau. Mỗi đoạn trailer người dùng xem được là dựa trên những hành vi trước đó trên nền tảng của Netflix. Ví dụ nếu người dùng trước đó search về Kevin Spacey thì họ sẽ nhận được đoạn trailer chỉ tập trung vào phân cảnh có diễn viên này. Nếu người dùng trước đó search về David Fincher, thì họ sẽ nhận được trailer về quá trình hình thành bộ phim, các đoạn Behind the scenes có sự xuất hiện của vị đạo diễn này.

House of Cards đã mang lại rất nhiều giá trị cho Netflix điển hình là giúp Netflix tăng hơn 3 triệu subcriber, trong đó là 1 triệu subcriber mới từ những nước khác đến và tỷ lệ giữ chân khách hàng nhờ vào House of Cards là rất cao khi có đến 86% những người đã xem House of Cards trung thành với Netflix.

Netflix không hề sai khi quyết định mua “House of Cards”, mà họ không đưa ra quyết định khi không có căn cứ, không có cơ sở phân tích, hay không “nhắm mắt quyết định”, đặc biệt khi chi phí bản quyền cho mỗi bộ phim nổi tiếng là rất đắt đỏ. Netflix nếu không nhờ vào dữ liệu thì có thể sẽ chịu tổn thất lớn, không những vậy còn phải khôn khéo trong việc cạnh tranh với những đối thủ khác.

Theo Jenny McCabe, giám đốc bộ phận Global Media Relations của Netflix nói rằng: “Chúng tôi tìm kiếm những tựa phim mang lại lượng người xem lớn nhất so sánh với chi phí bỏ. Điều này cũng có nghĩa là chúng tôi sẽ từ bỏ hoặc chọn không mua tiếp những phần sau đó của một số tựa phim mà lượng xem không đủ lớn với số tiền bỏ ra.

Chúng tôi luôn sử dụng hiểu biết chuyên sâu về khách hàng nhờ vào phân tích dữ liệu, về những gì khách hàng của chúng tôi thích xem để ra quyết định. Nếu bạn tiếp tục xem, chúng tôi sẽ tiếp tục bổ cho bạn những gì bạn yêu thích”

Như vậy có thể khẳng định, Netflix ra quyết định chọn lựa, mua bản quyền các bộ phim hay show giải trí dựa trên nhu cầu, sở thích, mong muốn phân tích được từ khách hàng của họ. Luôn đạt hiệu quả chi phí và khiến người xem hài lòng là tiền đề cho thành công của Netflix.

Phân tích dữ liệu là một chuyện nhưng để đưa ra các chiến lược kinh doanh hiệu quả là một câu chuyện khác.

Bộ phim truyền hình Sitcom  Parks and Recreation nổi tiếng trên Netflix và có số liệu rất tốt (mọi người xem toàn bộ chương trình, xem lại một số tập và thường xuyên tua lại một số phần nhất định). Một trong những diễn viên nổi tiếng và mang lại sức hút cho bộ phim là Adam Scott (người dùng thường tua lại các cảnh có diễn viên này trong đó). Netflix đã khôn khéo khi chọn mua những bộ phim với chi phí thấp hơn có Adam Scott tham gia để trình chiếu trên nền tảng của mình bao gồm cả bộ phim diễn viên đóng vai chính và vai phụ.

Theo MarketWatch năm 2017, khi nghiên cứu về Netflix, cho rằng khả năng phân tích dữ liệu của Netflix thật đáng kinh ngạc khi họ có thể phân tích các yếu tố, các điểm nằm trong chính các bộ phim giúp họ thúc đẩy tốt hơn tương tác của người xem, tạo cơ sở để phát triển, cung cấp các nội dung giải trí thích hợp hơn với sở thích người dùng. Mà các bạn biết đấy có hàng ngàn bộ phim, mỗi bộ phim có rất nhiều phân cảnh nhỏ khác nhau.

Mặc dù có thể khẳng định Netflix đã đúng khi khai thác dữ liệu hỗ trợ mục đích kinh doanh của mình nhưng nếu không có sự phát triển của ngành Data science, đặc biệt là Machine Learning và AI thì Netflix khó có thể đạt được thành tựu như ngày hôm nay. Netflix sử dụng dữ liệu ở mọi giai đoạn, ở mọi bước cung cấp trải nghiệm cho khách hàng từ phát triển nội dung, đến xây dựng giao diện, các tính năng, các hoạt động marketing,… dựa vào các thuật toán để tiến hành phân tích.

Kim chỉ nam cho chiến lược của Netflix chính là “Because you watched” – vì bạn đã xem những bộ phim này nên chúng tôi giới thiệu đến bạn những bộ phim khác tương tự, vì bạn đã xem những show giải trí này nên chúng tôi giới thiệu đến bạn các show giải trí có thể bạn sẽ thích, và vì bạn đã xem nên chúng tôi sẵn sàng cung cấp nhiều hơn những gì bạn mong muốn. Vậy bạn đã xem gì và bạn thích gì, chúng tôi đều biết dựa vào dữ liệu chúng tôi có được.

Chuyên gia kỹ thuật và kiến trúc hệ thống tại Netflix là Charles Smith và Quản lý nền tảng kiến trúc dữ liệu tại Netflix Jeff Magnusson cho rằng mọi góc cạnh của một video đều mang lại giá trị phân tích, thậm chí cả phổ màu của một ảnh bìa (cover image) của một bộ phim “Phân tích dữ liệu về màu sắc sẽ cho phép chúng tôi phân biệt các nhóm khách hàng” Netflix thu thập dữ liệu tương tác của khách hàng lên một dải màu sắc cụ thể (xuất hiện ở một bộ phim bất kỳ) trong một khoảng thời gian nhất định để tiến hành phân tích. Ví dụ từ kết quả phân tích, Netflix có thể thiết kế các poster phim với các màu sắc được phối khác nhau và giới thiệu đến khách hàng phù hợp với màu sắc họ thích. Cụ thể các câu hỏi mà Netflix thường đặt ra khi phân tích poster của một bộ phim

  • Với từng nhóm khách hàng nhất định, họ có xu hướng ưa chuộng những loại cover image, posters nào?
  • Màu sắc nào hấp dẫn, thu hút họ tương tác
  • Liệu có một cover image lý tưởng cho bộ phim mà có thể mọi khách hàng đều thích? Hay phải thay đổi màu sắc theo từng nhóm khách hàng khác nhau?

Ví dụ khi thiết kế poster cho House of Cards, Netflix so sánh với poster của Macbeth bộ phim cực kỳ nổi tiếng ra mắt trong năm 2010. Nhìn sơ qua các bạn có thể thấy sự giống nhau về các phối màu, nhân vật,… có điểm chung là bàn tay đều dính máu (zoom hình lên các bạn sẽ thấy rõ) tuy nhiên vẫn có nhiều điểm khác biệt nếu xem kỹ màu sắc được phối. Netflix có thể xác định chính xác những khác biệt và phân tích những khác biệt này có ảnh hưởng đến hành vi người xem, đánh giá của người xem hay không một cách định lượng cụ thể, chứ không theo cảm nhận, định tính.

Hình bên trên là ví dụ Netflix triển khai phân tích và so sánh 2 poster để tìm ra poster tốt nhất với, phù hợp với đặc điểm sở thích của người xem. Các bạn có thể thấy Netflix “chu đáo” và “tận tình” như thế nào trong cung cấp trải nghiệm đến khách hàng.

Để kết thúc bài viết chúng ta cùng xem qua 3 nguyên tắc cơ bản khi Netflix khai thác dữ liệu, chiến lược đã đem lại thành công cho họ như hôm nay, theo Charles Smith và Jeff Magnusson:

  • Dữ liệu phải dễ tiếp cận, truy cập, dễ khám phá và dễ xử lý.
  • Cho dù tập dữ liệu lớn hay nhỏ, trực quan hóa sẽ dễ giải thích hơn.
  • Càng mất nhiều thời gian để tìm dữ liệu, thì dữ liệu sẽ dần mất giá trị

Netflix là hình mẫu lý tưởng cho các công ty ngành M&E học tập trong việc khai thác dữ liệu tận dụng triệt để nguồn tài sản dữ liệu phục vụ cho các mục đích kinh doanh. Khi khách hàng khó tính hơn, mong muốn trải nghiệm nhiều hơn, muốn được quan tâm theo cá nhân hóa thì phân tích dữ liệu không phải là xu hướng, là gì đó cần thiết, mà đó là bắt buộc đối với mọi công ty ngày nay, không chỉ riêng ngành M&E.

Ứng dụng của Data analytics trong ngành giải trí và truyền thông là rất nhiều, kể cả Netflix cũng còn nhiều điều để nói nhưng do bài viết có hạn chúng tôi không thể trình bày hết đến các bạn mà chỉ tập trung vào lợi ích của dữ liệu trong tăng trải nghiệm khách hàng, đáp ứng nhu cầu khách hàng – vì theo chúng tôi đây là mục tiêu hàng đầu của hầu hết các công ty không phân biệt ngành nghề khi triển khai phân tích dữ liệu. Mong các bạn thông cảm!.

Đến đây là kết thúc bài viết, mong các bạn tiếp tục ủng hộ chúng tôi ở các bài viết sắp tới.

Tài liệu tham khảo

vwo.com/blog/deliver-personalized-recommendations-the-amazon-netflix-way/

https://datafloq.com/read/paradigm-shift-awaits-media-entertainment-industry/177

misclassblog.com/data-analytics/data-mining-in-entertainment/

https://www.qubole.com/blog/media-companies-using-big-data/

neilpatel.com/blog/how-netflix-uses-analytics/

seleritysas.com/blog/2019/04/05/how-netflix-used-big-data-and-analytics-to-generate-billions/

https://www.storyfit.com/using-analytics-to-predict-movie-success

http://britewire.com/how-netflix-uses-image-analysis-to-create-visual-content/

Về chúng tôi, công ty BigDataUni với chuyên môn và kinh nghiệm trong lĩnh vực khai thác dữ liệu sẵn sàng hỗ trợ các công ty đối tác trong việc xây dựng và quản lý hệ thống dữ liệu một cách hợp lý, tối ưu nhất để hỗ trợ cho việc phân tích, khai thác dữ liệu và đưa ra các giải pháp. Các dịch vụ của chúng tôi bao gồm “Tư vấn và xây dựng hệ thống dữ liệu”, “Khai thác dữ liệu dựa trên các mô hình thuật toán”, “Xây dựng các chiến lược phát triển thị trường, chiến lược cạnh tranh”.

Mục nhập này đã được đăng trong BLOG. Đánh dấu trang permalink.
error: Content is protected !!